Alibaba Cloud Model Studio:Qwen-Audio-3.0-ASR-Flash-Filetrans/Fun-ASR non-real-time speech recognition Python SDK

model

str

Sim

Nome do modelo. Os valores suportados incluem as famílias de modelos Qwen-Audio-3.0-ASR-Flash-Filetrans e Fun-ASR. Para detalhes, consulte Supported models and regions.

file_urls

list[str]

Sim

Uma lista de URLs dos arquivos de áudio ou vídeo a serem transcritos. HTTP e HTTPS são suportados. Uma única solicitação suporta apenas uma URL. Para requisitos de entrada, como formatos de áudio suportados, limites de tamanho de arquivo e limites de duração, consulte Audio specifications.

Se a gravação estiver armazenada no Alibaba Cloud OSS, a API RESTful suporta URLs temporárias com o prefixo oss://, enquanto o SDK não suporta URLs temporárias com o prefixo oss://.

vocabulary_id

str

Não

O ID de uma lista de palavras-chave pré-compilada.

Gere esse ID antecipadamente chamando a API de criação de lista de palavras-chave. Passe o ID durante o reconhecimento para usar as palavras-chave da lista.

Indicado para cenários onde o vocabulário é conhecido e relativamente estável, e onde você precisa reutilizar a mesma lista de palavras entre solicitações.

Para detalhes de uso, consulte Precompiled hotwords.

vocabulary

dict

Não

Palavras-chave instantâneas.

Passadas como pares chave-valor, onde a chave é o texto da palavra-chave (string) e o valor é o peso da palavra-chave (integer). Não é necessário criar uma lista de palavras-chave antecipadamente. O peso varia de [1, 5] ou é definido como 50: um valor em [1, 5] torna o modelo mais propenso a gerar a palavra à medida que o valor aumenta; um valor de 50 designa uma super palavra-chave, o que melhora muito a recuperação, mas o número de super palavras-chave não pode exceder 50.

Adequado para otimização temporária de palavras-chave no nível de sessão.

Quando configuradas juntamente com palavras-chave pré-compiladas, apenas as palavras-chave instantâneas entram em vigor. Para detalhes de uso, consulte Instant hotwords.

Exemplo:

from dashscope.audio.asr import Transcription

    vocab = {"Zhang San": 5, "Li Si": 5}
    result = Transcription.async_call(
        model="qwen-audio-3.0-asr-flash-filetrans",
        vocabulary=vocab,
        file_urls=['{YOUR_AUDIO_URL}']
    )

channel_id

list[int]

Não

O índice das faixas de áudio a serem reconhecidas em um arquivo de áudio com múltiplas faixas. O índice começa em 0. Por exemplo, [0] reconhece a primeira faixa, e [0, 1] reconhece a primeira e a segunda faixas simultaneamente. Se você omitir este parâmetro, apenas a primeira faixa será processada.

Valor padrão: [0].

special_word_filter

str

Não

As palavras sensíveis a serem processadas durante o reconhecimento de fala. Você pode definir um método de tratamento diferente para cada palavra sensível. Para detalhes, consulte Sensitive word filtering.

diarization_enabled

bool

Não

Se deve ativar a diarização de falantes. Desativado por padrão.

Aplica-se apenas a áudio mono. Áudio multicanal não suporta diarização de falantes.

Quando ativado, o resultado do reconhecimento inclui um campo speaker_id que distingue diferentes falantes.

Valor padrão: False.

Para um exemplo de speaker_id, consulte Recognition result description.

speaker_count

int

Não

Um valor de referência para o número de falantes. O intervalo válido é um número inteiro de 2 a 100 (inclusive).

Por padrão, o número de falantes é detectado automaticamente. Se você definir este valor, ele apenas orientará o algoritmo a gerar a contagem especificada quando possível, sem garantir essa contagem exata.

Sem valor padrão.

language_hints

list[str]

Não

Os códigos de idioma a serem reconhecidos. Se você não puder determinar o idioma antecipadamente, deixe-o indefinido e o modelo detectará o idioma automaticamente.

Para modelos Qwen-Audio-3.0-ASR-Flash-Filetrans, você pode definir até 4 valores; quaisquer valores além dos primeiros 4 são ignorados. Para modelos Fun-ASR, você pode definir apenas 1 valor; se definir vários, apenas o primeiro entrará em vigor.

status_code

Código de status HTTP da solicitação.

code

• O code mais externo pode ser ignorado.

• O code sob output.results é o código de erro. Combine-o com o campo message e consulte Error codes para solucionar o problema.

message

• O message mais externo pode ser ignorado.

• O message sob output.results é a mensagem de erro. Combine-a com o campo code e consulte Error codes para solucionar o problema.

task_id

ID da tarefa.

task_status

Status da tarefa.

Um dos quatro estados: PENDING, RUNNING, SUCCEEDED e FAILED.

Quando uma tarefa contém várias subtarefas, o status geral da tarefa é marcado como SUCCEEDED desde que qualquer subtarefa tenha sucesso. Verifique o campo subtask_status para determinar o resultado de cada subtarefa.

results

Resultados do reconhecimento das subtarefas.

subtask_status

Status da subtarefa.

Um dos quatro estados: PENDING, RUNNING, SUCCEEDED e FAILED.

file_url

URL do áudio reconhecido.

transcription_url

URL do resultado do reconhecimento de áudio.

O resultado do reconhecimento é salvo como um arquivo JSON. Você pode baixar o arquivo pelo link associado a transcription_url ou ler seu conteúdo diretamente por meio de uma solicitação HTTP. Para o conteúdo do arquivo JSON, consulte Recognition result description.

code

O código de erro. Combine-o com o campo message e consulte Error codes para solucionar o problema.

message

A mensagem de erro. Combine-a com o campo code e consulte Error codes para solucionar o problema.

task_id

ID da tarefa.

task_status

Status da tarefa.

Um dos quatro estados: PENDING, RUNNING, SUCCEEDED e FAILED.

Quando uma tarefa contém várias subtarefas, o status geral da tarefa é marcado como SUCCEEDED desde que qualquer subtarefa tenha sucesso. Verifique o campo subtask_status para determinar o resultado de cada subtarefa.

results

Resultados do reconhecimento das subtarefas.

subtask_status

Status da subtarefa.

Um dos quatro estados: PENDING, RUNNING, SUCCEEDED e FAILED.

file_url

URL do áudio reconhecido.

transcription_url

URL do resultado do reconhecimento de áudio.

O resultado do reconhecimento é salvo como um arquivo JSON. Você pode baixar o arquivo pelo link associado a transcription_url ou ler seu conteúdo diretamente por meio de uma solicitação HTTP. Para o conteúdo do arquivo JSON, consulte Recognition result description.

audio_format

string

O formato de áudio do arquivo de origem.

channels

array[integer]

O índice da faixa de áudio no arquivo de origem. Para áudio de faixa única, [0] é retornado; para áudio de duas faixas, [0, 1] é retornado; e assim por diante.

original_sampling_rate

integer

A taxa de amostragem (Hz) do áudio no arquivo de origem.

original_duration_in_milliseconds

integer

A duração original do áudio (ms) no arquivo de origem.

channel_id

integer

O índice da faixa do resultado da transcrição, começando em 0.

content_duration

integer

A duração (ms) do conteúdo na faixa identificado como fala.

transcript

string

O resultado da transcrição no nível de parágrafo.

sentences

array

O resultado da transcrição no nível de sentença.

words

array

O resultado da transcrição no nível de palavra.

begin_time

integer

O carimbo de data/hora inicial (ms).

end_time

integer

O carimbo de data/hora final (ms).

text

string

O resultado da transcrição.

speaker_id

integer

O índice do falante atual, começando em 0, usado para distinguir diferentes falantes.

Este campo aparece no resultado do reconhecimento apenas quando a diarização de falantes está ativada.

punctuation

string

A pontuação prevista após a palavra, se houver.

async_call

@classmethod
def async_call(cls,
               model: str,
               file_urls: List[str],
               phrase_id: str = None,
               api_key: str = None,
               workspace: str = None,
               **kwargs) -> TranscriptionResponse

Envia uma tarefa de reconhecimento de fala de forma assíncrona.

wait

@classmethod
def wait(cls,
         task: Union[str, TranscriptionResponse],
         api_key: str = None,
         workspace: str = None,
         **kwargs) -> TranscriptionResponse

Bloqueia a thread atual até que a tarefa assíncrona termine (o status da tarefa é SUCCEEDED ou FAILED).

Este método retorna um TranscriptionResponse.

fetch

@classmethod
def fetch(cls,
          task: Union[str, TranscriptionResponse],
          api_key: str = None,
          workspace: str = None,
          **kwargs) -> TranscriptionResponse

Consulta o resultado da tarefa atual de forma assíncrona.

Este método retorna um TranscriptionResponse.